A visualização de dados é uma ferramenta essencial na análise e interpretação de conjuntos de dados complexos. No ecossistema da linguagem de programação R, o pacote ggplot2, desenvolvido por Hadley Wickham, autor de “R para Data Science”, é uma das ferramentas mais poderosas e flexíveis para a criação de gráficos estatísticos.

Neste artigo, exploraremos os fundamentos do ggplot2 e como ele pode ser usado para criar gráficos de histograma destinados à análise de uma variável numérica.

Instalando o pacote ggplot2

Para instalar o pacote ggplot2, primeiro precisamos usar a função install.packages() e, após, carregamos o pacote com a função library() .

O código ficará assim:

install.packages("ggplot2")
library(ggplot2)

Carregando os dados

Os dados que vou utilizar como exemplo são parte do pacote datasets, chamado students, e mostram o efeito de dois soporíferos (“remédios do sono”) em 10 pacientes.

Para isso, precisamos instalar e carregar o pacote datasets com o mesmo método explicado anteriormente:

install.packages("datasets")
library(datasets)

Vou atribuir os dados a uma variável chamada df, pois iremos utilizá-la na contrução dos gráficos:

df <- sleep
df

Construindo o Histograma

Como vamos criar um histograma, precisamos informar apenas o nome da variável do eixo x. No caso, é a coluna “extra”, pois é a única coluna que contém uma variável numérica.

No código a seguir, usamos a função ggplot() para informar a origem dos dados (argumento “data”) e a coluna que será plotada no eixo x da estética (função aes()):

ggplot(data = df, aes(x = extra))

O resultado será a imagem abaixo:

Adicionamos a geometria do histograma (geom_histogram()) e escolhemos a largura do bin (argumento “binwidth”):

ggplot(data = df, aes(x = extra)) +
geom_histogram(binwidth = 1)

Resultado:

Para adicionar um título e alterar o label dos eixos x,y, é só adicionar a função labs() e seus respectivos argumentos:

ggplot(data = df, aes(x = extra)) +
geom_histogram(binwidth = 1) +
labs(
    title = "Histograma da quantidade de estudantes por aumento nas horas de sono",
    subtitle = "Student's Sleep Data",
    x = "Aumento nas horas de sono",
    y = "Quantidade de Estudantes"
)

Resultado:

Para colocar os valores das distribuições no histograma, usamos a função stat_bin() e seus argumentos:

ggplot(data = df, aes(x = extra)) +
geom_histogram(binwidth = 1) +
stat_bin(
        binwidth = 1,
        geom = "text",
        aes(label = after_stat(count)),
        vjust = -1
) +
  labs(
      title = "Histograma da quantidade de estudantes por aumento nas horas de sono",
      subtitle = "Student's Sleep Data",
      x = "Aumento nas horas de sono",
      y = "Quantidade de Estudantes"
  )

Resultado:

Nessa análise, vou plotar uma linha que indica a média dessa distribuição. Para isso, utilizo a função geom_vline() , pois ela gera uma linha vertical que intercepta o eixo x:

media_extra <- mean(df$extra)

ggplot(data = sleep, aes(x = extra)) +
geom_histogram(binwidth = 1) +
stat_bin(
        binwidth = 1,
        geom = "text",
        aes(label = after_stat(count)),
        vjust = -1
) +
geom_vline(xintercept = media_extra, color ="red", linetype = "dashed") +
labs(
    title = "Histograma da quantidade de estudantes por aumento nas horas de sono",
    subtitle = "Student's Sleep Data",
    x = "Aumento nas horas de sono",
    y = "Quantidade de Estudantes"
)

Resultado:

Pronto! O seu histograma já está finalizado. Mas, caso você queira alterar as cores e a transparência, é preciso adicionar os seguintes argumentos na função geom_histogram() :

• color — altera a cor do contorno das barras e aceita RGB ou o nome da cor em inglês;
• fill — altera a cor de preenchimento das barras e aceita RGB ou o nome da cor em inglês;
• alpha — número de 0 a 1 que altera a transparência do histograma

Alterando a transparência:

ggplot(data = sleep, aes(x = extra)) +
geom_histogram(binwidth = 1, alpha = 0.5) +
stat_bin(
        binwidth = 1,
        geom = "text",
        aes(label = after_stat(count)),
        vjust = -1
) +
geom_vline(xintercept = media_extra, color ="red", linetype = "dashed") +
labs(
    title = "Histograma da quantidade de estudantes por aumento nas horas de sono",
    subtitle = "Student's Sleep Data",
    x = "Aumento nas horas de sono",
    y = "Quantidade de Estudantes"
)

Alterando as cores:

ggplot(data = sleep, aes(x = extra)) +
geom_histogram(binwidth = 1, fill = "white", color = "#113D63") +
stat_bin(
        binwidth = 1,
        geom = "text",
        aes(label = after_stat(count)),
        vjust = -1
) +
geom_vline(xintercept = media_extra, color ="red", linetype = "dashed") +
labs(
    title = "Histograma da quantidade de estudantes por aumento nas horas de sono",
    subtitle = "Student's Sleep Data",
    x = "Aumento nas horas de sono",
    y = "Quantidade de Estudantes"
)

Por fim, ainda é possível alterar o tema das bordas e do fundo do gráfico com as funções theme() . Você pode ler mais sobre elas e ver quais são as opções disponíveis nesse link: https://ggplot2.tidyverse.org/reference/ggtheme.html